使用 CDATA 获取元素的文本答案

【问题标题】：Get element's text with CDATA使用 CDATA 获取元素的文本
【发布时间】：2019-11-01 08:31:24
【问题描述】：

说，我有一个元素：

>>> el = etree.XML('<tag><![CDATA[content]]></tag>')
>>> el.text
'content'

我想得到的是<![CDATA[content]]>。我该怎么办？

【问题讨论】：

this 可能会有所帮助
我想"<![CDATA[{}]]>".format(el.text) 不是一个选项？
@SebastienD 不是一个选项，我想确保在测试中内容包含在 CDATA 中。
好的，发布了一个检查该问题的答案

标签： python xml lxml cdata

【解决方案1】：

您可以考虑使用 BeautifulSoup 并查找 CDATA 实例：

import bs4
from bs4 import BeautifulSoup

data='''<tag><![CDATA[content]]></tag>'''
soup = BeautifulSoup(data, 'html.parser')
"<![CDATA[{}]]>".format(soup.find(text=lambda x: isinstance(x, bs4.CData)))

输出

<![CDATA[content]]>

【讨论】：

有没有办法用lxml 做到这一点？或者是否有任何测试库使用beautifulsoup？我想避免混合不同的库？虽然我必须承认，我现在使用的那个 (xmlunittest) 质量有问题。我还不擅长编写测试，但看起来是这样。

【解决方案2】：

当您执行el.text 时，总是会为您提供纯文本content。

要查看序列化元素，请尝试使用tostring()：

el = etree.XML('<tag><![CDATA[content]]></tag>')
print(etree.tostring(el).decode())

这将打印：

<tag>content</tag>

要保留 CDATA，您需要使用 XMLParser() 和 strip_cdata=False：

parser = etree.XMLParser(strip_cdata=False)

el = etree.XML('<tag><![CDATA[content]]></tag>', parser=parser)
print(etree.tostring(el).decode())

这将打印：

<tag><![CDATA[content]]></tag>

这应该足以满足您的“我想在测试中确保内容包含在 CDATA 中”的要求。

【讨论】：

更准确地说，re.sub(r'^<[^>]+>|</[^>]+>$', '', etree.tostring(el, with_tail=False).decode())。至少我认为没有更好的办法。